場景描述

假設有N臺快取伺服器，現在我們希望把3萬張圖片快取到這些伺服器上。目標：快取儘可能均勻分佈在各伺服器上，以上它們能夠平攤快取壓力。那麼可以：

• 無任何規律的將3萬張圖片平均快取到所有伺服器上。但當需訪問某圖片時，需要遍歷所有伺服器所有快取項，效率太低、時間太長。
• hash(快取項的KEY)%伺服器的個數，決定快取項被快取到哪一臺伺服器上（快取項KEY可取名字等）。查詢的時候，同樣根據該算式，就可知道應該到哪一臺伺服器上去找。
  缺點：當增刪伺服器時，會引起大量快取項的快取位置發生變化，從而會導致由於大量快取在同一時間失效，造成快取雪崩。

為了解決方案二中的缺陷，就有了一致性雜湊演算法。

原理

• 假設有一個圓環，環上有2^32個點，從0 ~ 2^32-1
• hash(伺服器IP) % 2^32，將各伺服器對映到環上
• hash(快取項的KEY) % 2^32，將各快取項對映到環上
• 從快取項的位置開始，沿著順時針方向遇到的第一個伺服器，就是快取項的快取位置

優點

刪除某伺服器後，只需移動原本儲存在該伺服器的快取項，而不會改變其他快取項的快取位置（即：只會導致部分快取項在同一時間內失效）。移動後位置：從該伺服器觸發，沿順時針方向遇到的第一個伺服器。

缺陷

在介紹原理時，是假設所有伺服器被均勻對映到環上，但實際情況可能是：所有伺服器被密集對映在同一區域，從而可能導致大量快取項被快取在同一伺服器上。那麼當該伺服器出現故障，同樣可能造成快取雪崩。

改進方法

• 為每一個伺服器生成多個虛擬節點，並對映到環上。虛擬節點越多，快取分配越均勻
• 虛擬節點的hash計算，可以採用實際伺服器的IP地址加數字字尾的方式，如Hash(“192.168.1.100#1”) % 2^32